CN117907995B - 海底地形探测方法及设备 - Google Patents
海底地形探测方法及设备 Download PDFInfo
- Publication number
- CN117907995B CN117907995B CN202410314797.6A CN202410314797A CN117907995B CN 117907995 B CN117907995 B CN 117907995B CN 202410314797 A CN202410314797 A CN 202410314797A CN 117907995 B CN117907995 B CN 117907995B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- coalescing
- sub
- model
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012876 topography Methods 0.000 title claims abstract description 96
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000005381 potential energy Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004581 coalescence Methods 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001902 propagating effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000010355 oscillation Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000000638 solvent extraction Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
- G01S15/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52004—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种海底地形探测方法及设备,该海底地形探测方法,包括:获取声纳装置发射多波束信号与接收多波束信号的回波信号的时间差,根据时间差计算每一波束对应的海底地形点的海底深度;获取声纳装置的位置信息,根据预定的运动补偿算法对位置信息进行运动补偿,得到声纳装置的标准位置信息;获取每一波束的探测角度,根据探测角度、标准位置信息及海底深度计算所有海底地形点的三维空间坐标,得到点云数据;根据点云数据构建海底地形三维模型。
Description
技术领域
本发明涉及海底地形探测技术领域,具体地,涉及一种海底地形探测方法及设备。
背景技术
通常海底地质结构研究领域是当前社会备受关注的领域,传统海底地形的测绘设备主要有单波束声纳、侧扫声纳、海底摄影测量、机载激光测量等方法。然而,单波束声纳测量精度较低,只能得到海底正下方的点信息;侧扫声纳通过机械扫描获得海底图像,但扫描速度慢,效率低;海底摄影测量及机载激光测量费时费力,且测量的面积有限。有鉴于此,一种高效、准确的海底地形的测量方法成为有待解决的问题。
发明内容
本发明提供了一种海底地形探测方法,能够高效、准确地构建海底地形三维模型。
为了实现上述目的,本发明提供了一种海底地形探测方法,所述方法包括:
获取声纳装置发射多波束信号与接收所述多波束信号的回波信号的时间差,根据所述时间差计算每一波束对应的海底地形点的海底深度;
获取所述声纳装置的位置信息,根据预定的运动补偿算法对所述位置信息进行运动补偿,得到所述声纳装置的标准位置信息;
获取每一波束的探测角度,根据所述探测角度、所述标准位置信息及所述海底深度计算所有海底地形点的三维空间坐标,得到点云数据;
根据所述点云数据构建海底地形三维模型。
可选地,所述根据所述点云数据构建海底地形三维模型的步骤,包括:
构建前馈聚结网络,基于所述前馈聚结网络对所述点云数据执行分岔聚结,获取所述前馈聚结网络输出的海底地形三维模型。
可选地,所述构建前馈聚结网络,基于所述前馈聚结网络对所述点云数据执行分岔聚结,获取所述前馈聚结网络输出的海底地形三维模型的步骤,包括:
将所述点云数据输入所述前馈聚结网络,利用所述前馈聚结网络的分岔层将所述点云数据划分为多个子数据集,利用所述前馈聚结网络的子网络并行处理所述子数据集,所述子网络输出所述子数据集对应的子网格;
将多个子网格传播至所述前馈聚结网络的聚结层,利用所述聚结层聚结多个子网格得到第一三维网格;
对所述第一三维网格进行三角网重建,输出所述海底地形三维模型。
可选地,所述对所述第一三维网格进行三角网重建的步骤,包括:
利用霍普夫分岔算法对所述第一三维网格进行三角网重建。
可选地,所述利用霍普夫分岔算法对所述第一三维网格进行三角网重建的步骤,包括:
构建所述第一三维网格的变分能量模型,基于梯度下降算法调整所述第一三维网格,使得所述变分能量模型最小化;
构建包含控制参数的势能函数,基于所述势能函数及调整后的第一三维网格构建状态方程,基于所述状态方程的解及所述控制参数确定霍普夫分岔点,得到第二三维网格;
利用数学相位空间分析算法分析所述第二三维网格,获取全局最优的三维网格。
可选地,所述变分能量模型的表达式为:
E=α*∑(Li-L0)2+β*∑(Si-S0)2+γ*∑(Ki-K0)2,其中,Li为所述第一三维网格中三角形的各边长度,Si为所述第一三维网格中三角形的面积,Ki为所述第一三维网格的海底地形曲率,L0为所述Li的理想值,S0为所述Si的理想值,K0为所述Ki的理想值,α、β、γ为权重系数。
可选地,所述变分能量模型满足预先构建的约束函数的约束条件。
可选地,所述获取所述声纳装置的位置信息,根据预定的运动补偿算法对所述位置信息进行运动补偿,得到所述声纳装置的标准位置信息的步骤,包括:
获取所述声纳装置的运动数据,根据所述运动数据建立机械运动模型;
根据所述位置信息及所述机械运动模型建立观测模型,基于所述观测模型进行递归滤波,得到所述观测模型输出的所述标准位置信息。
可选地,所述根据所述点云数据构建海底地形三维模型的步骤,包括:
基于所述点云数据生成数字高程模型;
对所述数字高程模型进行分块并在所述块中构建三角剖分网,对所述块间的网格进行三角网插值,得到第三三维网格;
优化所述第三三维网格,得到所述海底地形三维模型。
本发明实施例还提供一种海底地形探测设备,所述设备包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现上述的方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可执行指令,所述计算机可执行指令可被一个或者多个处理器执行,以实现上述的方法。
本发明实施例的方法及***具有下列优点:
本发明实施例中,首先,通过声纳装置收发多束波信号的时间差计算各个海底地形点的海水深度,然后利用运动补偿算法对声纳装置的位置信息进行运动补偿,得到稳定的位置,最后根据波束的探测角度、声纳装置的稳定位置及各个海底地形点的海底深度计算三维空间坐标,所有海底地形点的三维空间坐标构成点云数据,通过点云数据构建海底地形三维模型。相比于现有技术,本实施例通过调整多束波信号的波束数量及探测角度,能够实现大面积的海底地形建模,基于多束波信号及点云数据,能够实现海底地形高效建模,通过运动补偿算法补偿声纳装置的位置,能够准确建立海底地形模型,通过海底地形模型能够得到准确的海底地形结构信息。
附图说明
图1为一个实施例中海底地形探测方法的硬件设备环境示意图;
图2为一个实施例中海底地形探测方法的流程图;
图3为一个实施例中海底地形探测设备的硬件组成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1是本发明实施例硬件设备环境示意图,如图1所示,包括海底地形探测设备001及声纳装置100,声纳装置100上设置有声纳主机架,声纳主机架上安装有发射机框101、发射控制单元102、保护电路103、接收机框201、接收控制单元202、时间同步单元203及同步线204。可选地,声纳装置100还可以根据需求安装其他的硬件装置,例如运动传感器等,此处不做过多限定。
其中,发射机框101、发射控制单元102及保护电路103作为发射端,而接收机框201、接收控制单元202、时间同步单元203及同步线204作为接收端。发射机框101中安装多个声纳传感器,声纳传感器用于发射不同发射角度的声波束至海底的目标区域,声波可以通过电磁加速器或者压电式换能器发射,发射控制单元102控制每个声纳传感器的发射时间、信号幅度及声波频率等参数,保护电路103用于确保各电路的可靠运行。
此外发射端与接收端机械对准,根据声纳原理,多波束信号从传感器发出,经过水体传播,抵达海底地形点后发生反射,回波返回到接收端,以准确接收回波。
接收机框201中安装接收线阵接收传感器,对应不同的接收角度,用于接收声纳传感器发射的声波束的回波,接收控制单元202进行回波信号放大、数字化等处理,时间同步单元203是精确时间基准源,例如,GPS或原子钟,同步线204用于电连接发射端及接收端,实现双方精确时间同步。
发射控制单元102及接收控制单元202将时间、信号等数据传输给海底地形探测设备001,海底地形探测设备001获取到相应的数据。海底地形探测设备001具有存储及计算能力,能够对时间、信号等数据进行数据分析处理,最终构建海底地形三维模型。
如图2所示,本发明实施例提供一种海底地形探测方法,应用于图1所示的硬件设备环境中,包括以下步骤:
S10、获取声纳装置发射多波束信号与接收所述多波束信号的回波信号的时间差,根据所述时间差计算每一波束对应的海底地形点的海底深度;
声纳装置上设置有声纳主机架,声纳主机架上安装有发射机框、发射控制单元、保护电路、接收机框、接收控制单元、时间同步单元及同步线:
其中,发射机框、发射控制单元及保护电路作为发射端,而接收机框、接收控制单元、时间同步单元及同步线作为接收端。发射机框中安装多个声纳传感器,声纳传感器用于发射不同发射角度的声波束至海底的目标区域,声波可以通过电磁加速器或者压电式换能器发射,发射控制单元控制每个声纳传感器的发射时间、信号幅度及声波频率等参数,保护电路用于确保各电路的可靠运行。
此外发射端与接收端机械对准,根据声纳原理,多波束信号从传感器发出,经过水体传播,抵达海底地形点后发生反射,回波返回到接收端,以准确接收回波。
接收机框中安装接收线阵接收传感器,对应不同的接收角度,用于接收声纳传感器发射的声波束的回波,接收控制单元进行回波信号放大、数字化等处理,时间同步单元是精确时间基准源,例如,GPS或原子钟,同步线用于电连接发射端及接收端,实现双方精确时间同步。
示例性地,声纳发射传感器的数量为20个,线阵接收传感器的数量为100个,声纳装置的声纳的工作频率为200KHz,一共发射20个波束,发射角度范围为±60度,波束间角为6度,接收线阵的元素对应不同的角度,由此,在100米水深的条件下,海底探测最大测量范围可达1000米。
接收端接收多波束信号的回波信号,并进行适当的信号处理,其中,回波信号包括信号幅值及返回时间。探测设备获取多波束信号及回波信号,根据多波束信号及回波信号计算海底深度,具体可以根据回波的返程时间,计算海底深度,包括以下步骤:
1、测量返程时间,发射端准确记录发射时刻t1,接收端记录回波到达时刻t2,则返程时间Δt=t2-t1;
2、计算海底深度,获得水下声速度,一般是预先测量得到水下声速度,海底深度H=Δt*V/2,其中V为水下声速度;
3、对于不同角度波束的海底深度,重复上述运算,得到每个角度的海底深度H,存储不同角度下的海底深度。
通过上述精确的时间测量,结合水下声速度,可以计算得到每个波束角度下的海底深度。在获取每个角度波束海底深度的同时,还需要获得海底地形点的空间坐标才能建立海底地形模型。
S20、获取所述声纳装置的位置信息,根据预定的运动补偿算法对所述位置信息进行运动补偿,得到所述声纳装置的标准位置信息;
在海上环境中,声纳装置容易受到波浪、海流等外力影响,发生运动误差,运动误差会直接影响海底地形探测的精度,因此需要采用运动补偿算法对声纳装置的位置信息进行运动补偿,从而稳定声纳装置的坐标信息,提高海底地形探测的精度。
其中,获取声纳装置在收发多波束信号时的实时位置信息,可以在声纳装置上安装全球定位***,通过全球定位***得到精确、实时的声纳装置的位置信息,当然,全球定位***可以是差分全球定位***DGSP或者北斗***等精确定位***,此处不做过多限定。
在一实施例中,运动补偿算法可以采用递归滤波的方法:首先在声纳装置上安装运动传感器,通过运动传感器的运动数据构建声纳装置的机械误差模型,根据机械误差模型构建递归滤波模型,并进行递归滤波,输出稳定的声纳装置坐标值。
在另一实施例中,运动补偿算法还可以采用逆向补偿算法,在逆向补偿算法中,基于声纳装置的位置,首先预测声纳装置的运动方向,通过对该运动方向进行逆向补偿,来达到消除运动对于声纳装置位置的影响,得到稳定的声纳装置坐标值。
在一实施例中,获取所述声纳装置的位置信息,根据预定的运动补偿算法对所述位置信息进行运动补偿,得到所述声纳装置的标准位置信息的步骤,包括以下步骤A1-A2:
A1、获取所述声纳装置的运动数据,根据所述运动数据建立机械运动模型;
本实施例中,可以在声纳装置上安装一种或多种运动传感器,通过运动传感器测量声纳装置的机械运动,获取声纳装置的运动数据,运动传感器可以是陀螺仪及加速度计等,运动数据可以是角速度及加速度等。当然,也可以选用其他合适的运动传感器,此处不做限定。
利用运动数据建立机械运动模型,该机械运动模型用于描述了运动数据随着时间的演变的动态行为,实际上机械运动模型是一状态方程,本实施例的机械运动模型是一连续时间的微分方程。
A2、根据所述位置信息及所述机械运动模型建立观测模型,基于所述观测模型进行递归滤波,得到所述标准位置信息。
其中,观测模型用于描述实时位置信息与声纳装置的运动数据的统计关系,即描述了***的测量行为,实际上观测模型是一观测方程,本实施例可以采用线性或者非线性的关系式来表示观测模型。本实施例采用卡尔曼滤波器进行递归滤波,可以估计得到声纳装置最优的坐标,作为标准位置信息:
首先,利用先验信息和机械运动模型对声纳装置的位置信息进行预测。接着,利用观测模型和预测结果对声纳装置的位置信息进行更新,预测及更新操作交替进行,从而实现对***状态的连续递归估计,最终得到声纳装置最优的坐标,作为标准位置信息。
本实施例的卡尔曼滤波器可以融合多源运动传感器的运动数据,利用控制理论进行坐标估计和优化校正,可以有效滤除机械运动和噪声干扰,使得声纳装置的空间坐标得到极大稳定,满足海底地形测量的精度需求。
S30、获取每一波束的探测角度,根据所述探测角度、所述标准位置信息及所述海底深度计算所有海底地形点的三维空间坐标,得到点云数据;
本实施例中,在获得声纳装置的标准位置信息和不同角度波束的海底深度后,还需通过几何关系计算获得每一海底地形点的三维空间坐标。
首先,将声纳装置的标准位置信息与各个海底地形点的海底深度数据进行关联,然后再结合每一波束的探测角度可以得到每一海底地形点的三维空间坐标,包括以下步骤:
1、建立声纳装置的坐标系及地理坐标系;
2、在声纳装置的坐标系中,将某一波束的探测角度α进行解析得到水平角φ及俯仰角θ;
3、水平角φ、俯仰角θ及波束的海底深度为三维数据,将三维数据转换为三维向量;
4、进行坐标转换:将各分量向量转到地理坐标系,得到海底地形点的三维坐标;
5、重复上述步骤2-4,直至得到所有海底地形点在地理坐标系的三维坐标。
上述步骤通过坐标系转换和矢量分解合成,准确获得每个海底地形点在三维地理坐标系下的位置,所有海底地形点在地理坐标系的三维坐标构成点云数据,为构建数字海底模型提供基础数据。
S40、根据所述点云数据构建海底地形三维模型。
在得到所有海底地形点在地理坐标系的三维坐标后,可以通过预定的构建算法构建海底地形的三维模型。
在一实施例中,可以通过前馈聚结网络建立海底地形三维模型,具体包括:构建前馈聚结网络,基于所述前馈聚结网络对所述点云数据执行分岔聚结,获取所述前馈聚结网络输出的海底地形三维模型。
前馈聚结网络(Feedforward Junctive Networks,FJN)是一种多层前馈神经网络结构,其关键是引入分岔聚结的方式,实现路径并行传播和处理。前馈聚结网络4层结构:输入层、分岔层(用于划分成多个子网络)、聚结层(用于汇聚子网络结果)及输出层。其中,分岔聚结原理是:分岔是将大计算任务分解为多个子任务,子网络并行计算子任务,聚结是合并子任务的计算结果,提高了并行度,能够加速计算。本实施例采用前馈聚结网络建立海底地形三维模型主要基于以下4个因素:
1、海底地形数据具有局部相关性,使用前馈聚结网络有利于分区分析,能够提高三维场景细节体现效果;
2、模型构建可模块化、并行化,符合分岔聚结的思路;
3、数据量超大,前馈聚结网络具有并行处理的优势,能够高效处理海量数据;
4、深度学习框架可以使用硬件加速,利用多核CPU和/或GPU并行计算,极大提升构建速度;
本实施例可以将点云数据划分为多个子集,并行输入到子网络中,每个子网络生成子模型,然后聚结层融合子模型,最后输出完整的三维模型。
在一实施例中,上述的构建前馈聚结网络,基于所述前馈聚结网络对所述点云数据执行分岔聚结,获取所述前馈聚结网络输出的海底地形三维模型的步骤,包括以下步骤B1-B3:
B1,将所述点云数据输入所述前馈聚结网络,利用所述前馈聚结网络的分岔层将所述点云数据划分为多个子数据集,利用所述前馈聚结网络的子网络并行处理所述子数据集,所述子网络输出所述子数据集对应的子网格;
本实施例中,每一子网络在一个GPU上运行,多个子网络在多个GPU上并行运行,实现分区子数据集的点云数据到子网格的转换,多核处理器并行计算的方式,能够极大地提高处理效率。
B2,将多个子网格传播至所述前馈聚结网络的聚结层,利用所述聚结层聚结多个子网格得到第一三维网格;
B3,对所述第一三维网格进行三角网重建,输出所述海底地形三维模型。
聚结层聚结多个子网格包括:对多个子网格提取边界轮廓特征,在特征空间内进行匹配捆绑,通过仿射变换融合子网格,最后填补夹缝和缺口,完成多个子网格的聚结。
示例性地,分岔层将点云数据划分为4个子数据集(即4个区域),使用4个GPU来并行处理数据,可以进行如下的分岔设计:
1、GPU1子网络:输入区域1点云数据,输出区域1子网格,网络结构为编码器1及解码器1;
2、GPU2子网络:输入区域2点云数据,输出区域2子网格,网络结构为编码器2及解码器2;
3、GPU3子网络:输入区域3点云数据,输出区域3子网格,网络结构为编码器3及解码器3;
4、GPU4子网络:输入区域4点云数据,输出区域4子网格,网络结构为编码器4及解码器4;
以上4个子网络会分别在4个GPU上并行运行,实现分区点云到子网格的并行转换。
在聚结层聚结4个子网格,输出一个组装好的三维网格,包括:对4个子网格提取边界轮廓特征,在特征空间内进行匹配捆绑,通过仿射空间变换融合4个子网格,填补各个夹缝和缺口,最后得到三维网格,实现子网格的无缝拼接,恢复场景的完整性,实现高效的分布式并行三维构建。
对三维网格进行全连接解码输出,包括:首先多层全连接子网络,逐点预测坐标,构建点云数据,接着进行三角网重建,最终得到三维模型。
前馈聚结网络的输出层输出三维模型,在该模型中,节点为海底地形点,其连接关系为三角面片。通过该流程,在特征空间解码海底地形点的三维坐标,进而构建代表地形轮廓的三维模型。
本实施例的前馈聚结网络结构实现了输入到输出的并行管道,充分利用多核处理器资源,极大加速了三维建模的过程。
在一实施例中,上述B3对所述第一三维网格进行三角网重建的步骤包括:利用霍普夫分岔算法对所述第一三维网格进行三角网重建。
其中,霍普夫分岔是动力***中一种现象,涉及到***的稳定性和周期性,随着控制参数的连续变化到达某个临界值时,原本稳定的平衡点会变得不稳定,并从其中生长出极限环(小振荡)。霍普夫分岔是动力***状态近似线性化,具有以下优点:其引入控制参数并构建特征方程,具有物理直观性,参数的微调可以精确控制,通过控制参数调整能够解释全局演化过程,其还使用数值方法求解方程使得理论依据更严谨,当解的稳定性改变,新稳态振荡产生,为复杂***的状态控制和优化提供了条件。
在一实施例中,上述利用霍普夫分岔算法对所述第一三维网格进行三角网重建包括以下步骤C1-C3:
C1,构建所述第一三维网格的变分能量模型,基于梯度下降算法调整所述第一三维网格,使得所述变分能量模型最小化;
本实施例通过描述三维网格的节点分布规律来构建变分能量模型,其中,变分能量模型建模过程如下:将三维网格看作弹簧***,网格结构拓扑对应于拓扑图,引入势能描述节点间互作用,构建能量函数,该能量函数即为变分能量模型。具体地,本实施例采用海底地形曲率作为势能项,网格连通性作为拓扑图,能量函数为各边长度、面积的加权和,能量函数表达式为:
E=α*∑(Li-L0)2+β*∑(Si-S0)2+γ*∑(Ki-K0)2,其中,Li、Si、Ki分别为第一三维网格中三角形的各边长度、面积及海底地形曲率,L0、S0、K0分别为各边长度、面积及海底地形曲率分别对应的理想值,α、β、γ为权重系数。
本实施例通过梯度下降算法来不断调整第一三维网格,达到能量极小化,实现三维网格的平滑、均匀和锥形程度的全局优化。
在一实施例中,变分能量模型满足预先构建的约束函数的约束条件,本实施例构建约束函数来约束变分能量模型,利用数值迭代算法求解被约束的变分能量模型。
本实施例构造约束函数,并使能量函数需要满足约束函数的一些性质,以作为约束条件,使得最终求解收敛于全局稳定的霍普夫分岔解。
其中,约束函数为Lyapunov函数,可构建如下Lyapunov函数:
1.正定性:L(x)>0,x不是理想三角网格;
2.驻点性:L(x*)=0,x*为理想三角网格;
3.下降性:L’(x)<0,逐步接近驻点。
在能量函数中考虑上述Lyapunov函数的条件,具有以下好处:可使三维网格的构形随着迭代不断最优化,并稳定在理想全局解(即霍普夫分岔点)的区域,从而在引入霍普夫分岔的同时,保证了分岔解的全局稳定性。
C2,构建包含控制参数的势能函数,基于所述势能函数及调整后的第一三维网格构建状态方程,基于所述状态方程的解及所述控制参数确定霍普夫分岔点,得到第二三维网格;
本实施例中,引入和控制霍普夫分岔现象通过以下步骤实现:
1.定义控制参数λ,控制参数λ用于描述三维网格的构型或优化目标。
2.构建势能函数:以控制参数λ为变量,构建一个抛物面型的势能函数U(λ)。
3.求解状态方程:结合上述三维网格的拓扑图,建立节点分布演化的状态方程,该状态方程包含有U(λ)项。
4.分析稳定区域:求解状态方程的特征多项式,观察控制参数λ对特征根的影响;
5.设定霍普夫分岔点:选择合适的λ值,使特征根进入复域,解进入不稳区(即出现霍普夫分岔)。
上述步骤通过控制参数的调节,可引入和控制霍普夫分岔,从而驱动三角网格的全局结构变化,当出现霍普夫分岔时,节点稳定振荡,此时得到第二三维网格。
示例性地,若采用三角网格边界曲率作为控制参数,对于三维网格,当三角网格边界曲率增加到临界值时,出现霍普夫分岔现象,边界点开始稳定振荡。振荡的原因在于,三角网格边界曲率反映了三角形锐钝程度,增加三角网格边界曲率将引起面的张力,相邻面互相拉扯而产生振荡,振荡时幅度受面积约束,频率受相邻关系影响。三角网格边界曲率的微调可控制网格形态。
C3,利用数学相位空间分析算法分析所述第二三维网格,获取全局最优的三维网格。
在三维网格出现分岔现象后,可基于相位空间分析方法分析第二三维网格,获得全局光滑稳定的三维网格,确保三角网重建的全局稳定收敛,包括以下步骤:
1、建立相位空间坐标系,其中x轴表示网格边界节点的位移,y轴表示节点的速度/变化率;
2、绘出原始解的相位图,其中稳定平衡点为(0,0),表示静态无变形的网格状态;
3、增加控制参数(例如曲率)并出现霍普夫分岔现象,其中平衡点变为同心闭合曲线,表示产生微小稳定振荡;
4、分析解的吸引域,其中闭合曲线内部为稳定区域,外部的状态会螺旋向内收敛;
5、调节控制参数,扩大或缩小稳定区域的范围,最终获得全局光滑的三角网格。
上述步骤通过在相位平面内的几何分析,可得到直观的三角网格重建的动力学演化过程,并可判断其稳定性,从而有针对性地对参数调优,确保得到的三维网格为全局最优的三维网格。
可以理解的是,在得到全局光滑稳定的三维网格后,可以进一步进行渲染和可视化,最终得到海底地形三维模型。
在另一实施例中,可以通过数字高程模型技术构建海底地形的三维模型,上述根据所述点云数据构建海底地形三维模型包括以下步骤D1-D3:
D1,基于所述点云数据生成数字高程模型。
其中,生成数字高程模型包括以下步骤:
1、点云数据过滤预处理,包括去除离群点及进行曲面拟合,消除噪声;
2、数字高程模型网格生成,包括根据点云数据生成不规则三角网,通过网格间插值拟合海底曲面;
3、数字高程模型精度评估,包括采样验证点,并计算数字高程模型误差,根据误差进行局部优化,得到高精度的海底数字高程模型,海底数字高程模型能准确反映探测区的三维地形轮廓。
D2,对所述数字高程模型进行分块并在所述块中构建三角剖分网,对所述块间的网格进行三角网插值,得到第三三维网格;
D3,优化所述第三三维网格,得到所述海底地形三维模型。
在获得海底数字高程模型后,可以通过数据分块、三角网插值及优化,得到三维视觉效果更好的网格模型,数据分块和三角网插值包括以下步骤:
1、数据分块,包括根据海底地形特征进行点云数据分块,分块边界采用断层线分割;
2、进行三角网插值,包括在每个块内部构建三角剖分网;
3、对块间的网格驱动三角插值,得到第三三维网格;
4、网格优化,包括使用槽角优化算法优化第三三维,及进行屏蔽层效应检验优化后的网格。
上述过程有效提升了三维网格的质量,保证了细节特征的重建,避免了过度平滑的问题,从而增强了三维网格的真实感和细节再现能力。
可以理解的是,在优化第三三维网格后,可以进一步进行渲染和可视化,最终得到海底地形三维模型。
在一实施例中,上述对三维网格进行渲染和可视化包括以下步骤:
1、设置渲染参数,包括配置光照效果参数,及调整材质、贴图效果;
2、可视化展示,包括多视点三维可视化,及标识辅助注释;
3、数据融合,整合声像/视频数据,及配准叠加展示。
上述过程,使三维网格具备逼真的光影效果,用户可以多角度浏览,同时结合声像等数据,实现多源信息的可视化表达和辅助分析。
本发明实施例的方法及***具有下列优点:
本发明实施例中,首先,通过声纳装置收发多束波信号的时间差计算各个海底地形点的海水深度,然后利用运动补偿算法对声纳装置的位置信息进行运动补偿,得到稳定的位置,最后根据波束的探测角度、声纳装置的稳定位置及各个海底地形点的海底深度计算三维空间坐标,所有海底地形点的三维空间坐标构成点云数据,通过点云数据构建海底地形三维模型。相比于现有技术,本实施例通过调整多束波信号的波束数量及探测角度,能够实现大面积的海底地形建模,基于多束波信号及点云数据,能够实现海底地形高效建模,通过运动补偿算法补偿声纳装置的位置,能够准确建立海底地形模型,通过海底地形模型能够得到准确的海底地形结构信息。
可以理解的是,上述所有实施例中的数据,数据在输入模型之前,可以进行适当预处理,例如标准化、归一化等,以适应模型的输入要求。
如图3所示,本发明实施例还提供一种海底地形探测设备2000,该设备包括存储器2001和处理器2002,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时实现以下步骤:
采集海底浅地层的多种探测数据;
利用预定的分析算法分析所述探测数据,得到地质特征数据,所述地质特征数据包括空间特征数据及地层特征数据;
基于所述空间特征数据及所述地层特征数据初步构建海底浅地层的三维模型;
构建多个机器学习模型,利用所述空间特征数据训练对应的机器学习模型,及利用所述地层特征数据训练对应的机器学习模型;
将所有训练好的机器学习模型集成至所述三维模型中,集成后的三维模型为所述海底浅地层的地质模型。
在实际应用中,上述监测设备还可以分别包含必要的其他元件,包含但不限于任意数量的输入2003及输出装置2004、处理器、控制器、存储器等,而所有可以实现本申请实施例的大数据管理方法的***都在本申请的保护范围之内。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read至only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read至only memory,CD至ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。处理器还可以包括一个或多个专用处理器,专用处理器可以包括GPU、FPGA等,用于进行加速处理。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,***或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程***。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk ,SSD)等。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种海底地形探测方法,其特征在于,所述方法包括:
获取声纳装置发射多波束信号与接收所述多波束信号的回波信号的时间差,根据所述时间差计算每一波束对应的海底地形点的海底深度;
获取所述声纳装置的位置信息,根据预定的运动补偿算法对所述位置信息进行运动补偿,得到所述声纳装置的标准位置信息;
获取每一波束的探测角度,根据所述探测角度、所述标准位置信息及所述海底深度计算所有海底地形点的三维空间坐标,得到点云数据;
根据所述点云数据构建海底地形三维模型;
所述根据所述点云数据构建海底地形三维模型的步骤,包括:
构建前馈聚结网络,基于所述前馈聚结网络对所述点云数据执行分岔聚结,获取所述前馈聚结网络输出的海底地形三维模型;
所述构建前馈聚结网络,基于所述前馈聚结网络对所述点云数据执行分岔聚结,获取所述前馈聚结网络输出的海底地形三维模型的步骤,包括:
将所述点云数据输入所述前馈聚结网络,利用所述前馈聚结网络的分岔层将所述点云数据划分为多个子数据集,利用所述前馈聚结网络的子网络并行处理所述子数据集,所述子网络输出所述子数据集对应的子网格;
将多个子网格传播至所述前馈聚结网络的聚结层,利用所述聚结层聚结多个子网格得到第一三维网格;
对所述第一三维网格进行三角网重建,输出所述海底地形三维模型。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一三维网格进行三角网重建的步骤,包括:
利用霍普夫分岔算法对所述第一三维网格进行三角网重建。
3.根据权利要求2所述的方法,其特征在于,所述利用霍普夫分岔算法对所述第一三维网格进行三角网重建的步骤,包括:
构建所述第一三维网格的变分能量模型,基于梯度下降算法调整所述第一三维网格,使得所述变分能量模型最小化;
构建包含控制参数的势能函数,基于所述势能函数及调整后的第一三维网格构建状态方程,基于所述状态方程的解及所述控制参数确定霍普夫分岔点,得到第二三维网格;
利用数学相位空间分析算法分析所述第二三维网格,获取全局最优的三维网格。
4.根据权利要求3所述的方法,其特征在于,所述变分能量模型的表达式为:
E=α*∑(Li-L0)2+β*∑(Si-S0)2+γ*∑(Ki-K0)2,其中,Li为所述第一三维网格中三角形的各边长度,Si为所述第一三维网格中三角形的面积,Ki为所述第一三维网格的海底地形曲率,L0为所述Li的理想值,S0为所述Si的理想值,K0为所述Ki的理想值,α、β、γ为权重系数。
5.根据权利要求3所述的方法,其特征在于,所述变分能量模型满足预先构建的约束函数的约束条件。
6.根据权利要求1所述的方法,其特征在于,所述获取所述声纳装置的位置信息,根据预定的运动补偿算法对所述位置信息进行运动补偿,得到所述声纳装置的标准位置信息的步骤,包括:
获取所述声纳装置的运动数据,根据所述运动数据建立机械运动模型;
根据所述位置信息及所述机械运动模型建立观测模型,基于所述观测模型进行递归滤波,得到所述观测模型输出的所述标准位置信息。
7.根据权利要求1所述的方法,其特征在于,所述根据所述点云数据构建海底地形三维模型的步骤,包括:
基于所述点云数据生成数字高程模型;
对所述数字高程模型进行分块并在块中构建三角剖分网,对块间的网格进行三角网插值,得到第三三维网格;
优化所述第三三维网格,得到所述海底地形三维模型。
8.根据权利要求1所述的方法,其特征在于,所述利用所述聚结层聚结多个子网格,包括:对多个子网格提取边界轮廓特征;在特征空间内进行匹配捆绑;通过仿射变换融合子网格;填补夹缝和缺口,完成多个子网格的聚结。
9.根据权利要求1所述的方法,其特征在于,每一子网络在一个GPU上运行,多个子网络在多个GPU上并行运行。
10.一种海底地形探测设备,其特征在于,所述设备包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314797.6A CN117907995B (zh) | 2024-03-19 | 2024-03-19 | 海底地形探测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314797.6A CN117907995B (zh) | 2024-03-19 | 2024-03-19 | 海底地形探测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117907995A CN117907995A (zh) | 2024-04-19 |
CN117907995B true CN117907995B (zh) | 2024-06-07 |
Family
ID=90686249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410314797.6A Active CN117907995B (zh) | 2024-03-19 | 2024-03-19 | 海底地形探测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117907995B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003065073A1 (en) * | 2002-01-28 | 2003-08-07 | Bjoerke Jan Terje | A method for field calibration of system parameters in a multibeam echo sounder system |
KR20120086280A (ko) * | 2011-01-25 | 2012-08-02 | 엘아이지넥스원 주식회사 | 해저의 지형 정보를 이용하여 해저 영상을 모자이킹하기 위한 장치 및 그 방법 |
KR20130096854A (ko) * | 2012-02-23 | 2013-09-02 | (주)지오투정보기술 | 수중음파필터링과 3차원 해저표고모델을 이용하여 3차원 해저지형정보를 생성하는 시스템 |
RU2519269C1 (ru) * | 2012-12-12 | 2014-06-10 | Открытое акционерное общество "Государственный научно-исследовательский навигационно-гидрографический институт" (ОАО "ГНИНГИ") | Способ съемки рельефа дна акватории и устройство для съемки рельефа дна акватории |
KR20180065417A (ko) * | 2016-12-07 | 2018-06-18 | 공주대학교 산학협력단 | 수중 초음파 영상 정보를 이용한 피측정물 식별 방법 |
KR102186733B1 (ko) * | 2019-09-27 | 2020-12-04 | 포항공과대학교 산학협력단 | 3차원 해저 지형 생성 방법 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096069B (zh) * | 2010-12-17 | 2012-10-03 | 浙江大学 | 一种相控阵三维声学摄像声纳实时处理***和方法 |
US11768292B2 (en) * | 2018-03-14 | 2023-09-26 | Uatc, Llc | Three-dimensional object detection |
CA3134819A1 (en) * | 2019-03-23 | 2020-10-01 | Uatc, Llc | Systems and methods for generating synthetic sensor data via machine learning |
US20230237783A1 (en) * | 2022-01-26 | 2023-07-27 | Ford Global Technologies, Llc | Sensor fusion |
-
2024
- 2024-03-19 CN CN202410314797.6A patent/CN117907995B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003065073A1 (en) * | 2002-01-28 | 2003-08-07 | Bjoerke Jan Terje | A method for field calibration of system parameters in a multibeam echo sounder system |
KR20120086280A (ko) * | 2011-01-25 | 2012-08-02 | 엘아이지넥스원 주식회사 | 해저의 지형 정보를 이용하여 해저 영상을 모자이킹하기 위한 장치 및 그 방법 |
KR20130096854A (ko) * | 2012-02-23 | 2013-09-02 | (주)지오투정보기술 | 수중음파필터링과 3차원 해저표고모델을 이용하여 3차원 해저지형정보를 생성하는 시스템 |
RU2519269C1 (ru) * | 2012-12-12 | 2014-06-10 | Открытое акционерное общество "Государственный научно-исследовательский навигационно-гидрографический институт" (ОАО "ГНИНГИ") | Способ съемки рельефа дна акватории и устройство для съемки рельефа дна акватории |
KR20180065417A (ko) * | 2016-12-07 | 2018-06-18 | 공주대학교 산학협력단 | 수중 초음파 영상 정보를 이용한 피측정물 식별 방법 |
KR102186733B1 (ko) * | 2019-09-27 | 2020-12-04 | 포항공과대학교 산학협력단 | 3차원 해저 지형 생성 방법 |
Non-Patent Citations (2)
Title |
---|
"Echoscope 水下三维声呐*** 在码头连续墙检测中的应用";龙英胜等;《港口科技》;20200125(第1期);第28-33页 * |
"End-to-End Neural Network for Autonomous Steering using LiDAR Point Cloud Data";Xianyong Yi et al;《2022 IEEE 65th International Midwest Symposium on Circuits and Systems (MWSCAS)》;20220822;第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117907995A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Review of AUV underwater terrain matching navigation | |
Petres et al. | Underwater path planing using fast marching algorithms | |
Norgren et al. | A multibeam-based SLAM algorithm for iceberg mapping using AUVs | |
JP2014500486A (ja) | 水中構造物の構造的変化の検出 | |
Maleika et al. | Interpolation methods and the accuracy of bathymetric seabed models based on multibeam echosounder data | |
CN116774292B (zh) | 一种地震波走时确定方法、***、电子设备及存储介质 | |
CA2256964C (en) | Method of locating hydrophones | |
Virovlyansky | Stable components of sound fields in the ocean | |
Liu et al. | Construction of high-resolution bathymetric dataset for the Mariana Trench | |
Potokar et al. | HoloOcean: Realistic sonar simulation | |
CN117907995B (zh) | 海底地形探测方法及设备 | |
Ma et al. | A contour-based path planning method for terrain-aided navigation systems with a single beam echo sounder | |
CN109490948A (zh) | 地震声学波动方程矢量并行计算方法 | |
US9417349B1 (en) | Picking faults in a seismic volume using a cost function | |
Chen et al. | Underwater terrain positioning method using maximum a posteriori estimation and PCNN model | |
CN112424645A (zh) | 利用重合滤波通过回波去混合对地震数据去重影 | |
Arnesen et al. | Probabilistic localization and mapping of flexible underwater structures using octomap | |
Tholen et al. | Optimal Receiver Configuration Of Short-Baseline Localisation Systems Using Particle Swarm Optimisation. | |
Alcaras et al. | From electronic navigational chart data to sea-bottom models: Kriging approaches for the Bay of Pozzuoli | |
CN113219534B (zh) | 一种叠前深度偏移速度质控方法、装置、介质及电子设备 | |
RU2794968C1 (ru) | Моделирование сейсмических скоростей | |
CN113219533B (zh) | 一种叠前时间偏移速度建模方法、装置、介质及电子设备 | |
Papaleo et al. | Online Data Fusion for building 3D models from acoustical range images | |
Krasnosky | Massively Parallel Stochastic Terrain Models in Undersea Mapping and Navigation | |
Peng et al. | Underwater terrain matching navigation based on Gaussian process regression with a multi-beam sonar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |